函式呼叫

您可以在 MiniMaxChatModel 中註冊自定義 Java 函式，讓 MiniMax 模型智慧地選擇輸出一個 JSON 物件，其中包含呼叫一個或多個註冊函式的引數。這使得您可以將 LLM 能力與外部工具和 API 連線起來。MiniMax 模型經過訓練，可以檢測何時應呼叫函式，並以符合函式簽名的 JSON 格式響應。

MiniMax API 不直接呼叫函式；相反，模型會生成 JSON，您可以使用它在程式碼中呼叫函式，並將結果返回給模型以完成對話。

Spring AI 提供了靈活且使用者友好的方式來註冊和呼叫自定義函式。通常，自定義函式需要提供函式名、描述以及函式呼叫簽名（作為 JSON Schema），以便模型知道函式需要哪些引數。描述有助於模型理解何時呼叫該函式。

作為開發者，您需要實現一個函式，該函式接收從 AI 模型傳送的函式呼叫引數，並將結果返回給模型。您的函式又可以呼叫其他第三方服務來提供結果。

Spring AI 使這變得非常簡單，只需定義一個返回 java.util.Function 的 @Bean 定義，並在呼叫 ChatModel 時將 Bean 名稱作為選項提供即可。

在底層，Spring 使用適當的介面卡程式碼包裝您的 POJO（即函式），從而實現與 AI 模型的互動，省去了編寫繁瑣的樣板程式碼。底層基礎設施的基礎是 ToolCallback.java 介面及其配套的 Builder 工具類，用於簡化 Java 回撥函式的實現和註冊。

工作原理

假設我們希望 AI 模型能夠響應它本身不具備的資訊，例如給定位置的當前溫度。

我們可以向 AI 模型提供關於我們自己函式的元資料，模型可以在處理您的 Prompt 時使用這些函式來檢索資訊。

例如，如果在處理 Prompt 期間，AI 模型確定需要關於給定位置溫度的附加資訊，它將啟動一個伺服器端生成的請求/響應互動。AI 模型呼叫客戶端函式。AI 模型以 JSON 格式提供方法呼叫詳細資訊，客戶端負責執行該函式並返回響應。

模型與客戶端的互動在 [spring-ai-function-calling-flow] 圖中進行了說明。

Spring AI 極大地簡化了您需要編寫的程式碼，以支援函式呼叫。它為您處理函式呼叫對話。您只需將函式定義作為 @Bean 提供，然後在 Prompt 選項中提供函式的 bean 名稱即可。您還可以在 Prompt 中引用多個函式 bean 名稱。

快速開始

讓我們建立一個聊天機器人，它透過呼叫我們自己的函式來回答問題。為了支援聊天機器人的響應，我們將註冊一個接受位置引數並返回該位置當前天氣的函式。

當模型響應 Prompt 需要回答諸如 "What’s the weather like in Boston?" 之類的問題時，AI 模型將呼叫客戶端，提供位置值作為引數傳遞給函式。這種類似 RPC 的資料以 JSON 格式傳遞。

我們的函式呼叫某個基於 SaaS 的天氣服務 API，並將天氣響應返回給模型以完成對話。在本例中，我們將使用一個名為 MockWeatherService 的簡單實現，它為不同位置硬編碼了溫度。

以下 MockWeatherService.java 表示天氣服務 API

public class MockWeatherService implements Function<Request, Response> {

	public enum Unit { C, F }
	public record Request(String location, Unit unit) {}
	public record Response(double temp, Unit unit) {}

	public Response apply(Request request) {
		return new Response(30.0, Unit.C);
	}
}

將函式註冊為 Bean

藉助 MiniMaxChatModel 自動配置，您可以透過多種方式將自定義函式註冊為 Spring Context 中的 Bean。

我們從描述最 POJO 友好的選項開始。

普通 Java 函式

在這種方法中，您可以在應用程式上下文中像定義其他任何 Spring 管理的物件一樣定義 @Beans。

在內部，Spring AI 的 ChatModel 將建立一個 ToolCallback 例項，該例項添加了透過 AI 模型呼叫它的邏輯。@Bean 的名稱作為 ChatOption 傳遞。

@Configuration
static class Config {

	@Bean
	@Description("Get the weather in location") // function description
	public Function<MockWeatherService.Request, MockWeatherService.Response> weatherFunction1() {
		return new MockWeatherService();
	}
	...
}

@Description 註解是可選的，它提供了一個函式描述（2），有助於模型理解何時呼叫該函式。設定此屬性對於幫助 AI 模型確定要呼叫哪個客戶端函式非常重要。

提供函式描述的另一種選擇是在 MockWeatherService.Request 上使用 @JacksonDescription 註解來提供函式描述。

@Configuration
static class Config {

	@Bean
	public Function<Request, Response> currentWeather3() { // (1) bean name as function name.
		return new MockWeatherService();
	}
	...
}

@JsonClassDescription("Get the weather in location") // (2) function description
public record Request(String location, Unit unit) {}

最佳實踐是使用資訊標註請求物件，以便生成的函式 JSON Schema 儘可能具有描述性，從而幫助 AI 模型選擇正確的函式進行呼叫。

FunctionCallbackWithPlainFunctionBeanIT.java 演示了這種方法。

ToolCallback 包裝器

註冊函式的另一種方法是像這樣建立一個 ToolCallback 例項

@Configuration
static class Config {

	@Bean
	public FunctionToolCallback weatherFunctionInfo() {

    return FunctionToolCallback.builder()
		.function("CurrentWeather", new MockWeatherService()) // (1) function name and instance
        .description("Get the weather in location") // (2) function description
		.inputType(MockWeatherService.Request.class) // (3) function signature
        .build();
	}
	...
}

它包裝了第三方 MockWeatherService 函式，並將其註冊為 MiniMaxChatModel 的 CurrentWeather 函式。它還提供了描述（2）和函式簽名（3），以便模型知道函式需要哪些引數。

預設情況下，響應轉換器會對 Response 物件進行 JSON 序列化。

FunctionToolCallback 在內部根據 MockWeatherService.Request 類解析函式呼叫簽名。

在 Chat 選項中指定函式

要讓模型知道並呼叫您的 CurrentWeather 函式，您需要在 Prompt 請求中啟用它

MiniMaxChatModel chatModel = ...

UserMessage userMessage = new UserMessage("What's the weather like in San Francisco, Tokyo, and Paris?");

ChatResponse response = this.chatModel.call(new Prompt(List.of(this.userMessage),
		MiniMaxChatOptions.builder().function("CurrentWeather").build())); // (1) Enable the function

logger.info("Response: {}", response);

上述使用者問題將觸發 3 次對 CurrentWeather 函式的呼叫（每個城市一次），最終響應將是這樣的：

Here is the current weather for the requested cities:
- San Francisco, CA: 30.0°C
- Tokyo, Japan: 10.0°C
- Paris, France: 15.0°C

MiniMaxFunctionCallbackIT.java 測試演示了這種方法。

使用 Prompt 選項註冊/呼叫函式

除了自動配置之外，您還可以透過 Prompt 請求動態註冊回撥函式

MiniMaxChatModel chatModel = ...

UserMessage userMessage = new UserMessage("What's the weather like in San Francisco, Tokyo, and Paris?");

var promptOptions = MiniMaxChatOptions.builder()
	.toolCallbacks(List.of(FunctionToolCallback.builder("CurrentWeather", new MockWeatherService()) // (1) function name and instance
        .description("Get the weather in location") // (2) function description
		.inputType(MockWeatherService.Request.class) // (3) function signature
        .build())) // function code
	.build();

ChatResponse response = this.chatModel.call(new Prompt(List.of(this.userMessage), this.promptOptions));

在 Prompt 中註冊的函式在此請求的整個生命週期內預設啟用。

這種方法允許根據使用者輸入動態選擇不同的函式進行呼叫。

FunctionCallbackInPromptIT.java 整合測試提供了一個完整的示例，演示瞭如何使用 MiniMaxChatModel 註冊函式並在 Prompt 請求中使用它。